Hugging Face's logo

Datasets:
Gingiris
/
gingiris-twitter-agent-ops

Tasks:
Text Generation
Languages:
English
Chinese
Japanese
Size:
n<1K
Tags:
twitter
x-twitter
social-media
ai-agent
automation
content-marketing
License:
Dataset card Files
xet
 Community
gingiris-twitter-agent-ops / references /ko /README.md
Gingiris's picture
Gingiris
Add Twitter/X Agent Operations SOP — full skill + en/ja/ko references
bdda9b9 verified
preview code
|
Raw
History Blame Contribute Delete
15.8 kB

🌍 Language: 中文 | English | 日本語 | 한국어

Twitter/X Agent Operations — AI 자동 운영 완전 SOP

실전 검증: AI 에이전트가 45일 만에 @WeiYipei를 1,150 → 1,837 팔로워(+60%)로 성장시켰습니다. 하루 1개 게시, 전 과정 자동 운영.

이 스킬은 system prompt를 지원하는 모든 AI 에이전트(Claude Code, Cursor, Trae, GPT)에서 사용할 수 있습니다.

1. 시스템 아키텍처 개요 

┌─────────────────────────────────────────────────────┐
│            Twitter Agent Operations                 │
├─────────────────────────────────────────────────────┤
│                                                     │
│  [1] 페르소나 교정 ──→ [2] 소스 라이브러리 ──→ [3] 스케줄링 │
│        │                    │                  │    │
│        ▼                    ▼                  ▼    │
│  [4] 레드라인 규칙   [5] 게시 전 점검   [6] 트래킹     │
│                                                     │
│  ───────── 주간 루프 ─────────                       │
│  주간 리포트 → 회고 → 비중 조정 → 다음 주 스케줄       │
│                                                     │
└─────────────────────────────────────────────────────┘

6대 핵심 모듈:

  1. 페르소나 교정 시스템 — 에이전트가 "그 사람답게" 쓰도록 만들기
  2. 소스 라이브러리 구축 — 팩트 소스 데이터베이스, 날조 원천 차단
  3. 스케줄링 시스템 — 주간 콘텐츠 캘린더, 하루 1개 리듬
  4. 레드라인 규칙 — 절대 어겨선 안 되는 안전선
  5. 게시 전 점검 — 3중 번역 + 5종 세트 품질 검사
  6. 데이터 트래킹 — tweet-log + 주간 리포트 + 팔로워 추적

2. 페르소나 교정 시스템 (Voice Guide)

왜 필요한가

AI 에이전트의 가장 큰 문제는 "못 쓰는 것"이 아니라 "쓴 글이 그 사람 같지 않은 것"입니다. 페르소나 교정이 해결하는 건 영혼의 문제이지, 형식의 문제가 아닙니다.

교정 단계

Step 1: 원본 말뭉치 수집

계정 주인의 실제 표현 샘플을 수집합니다(최소 3가지 '농도'로):

농도 출처 역할
진함 블로그 / 장문 글 서사 구조, 가치관 표현 추출
중간 소셜 미디어 원본 게시물 구어체 감각, 단편적 표현 추출
옅음 팟캐스트 / 인터뷰 / 대화 가장 진짜 같은 말투, 입버릇 추출

Step 2: 철칙 추출

말뭉치에서 절대 어겨선 안 되는 표현 철칙 3~5개를 추출합니다. 예:

철칙 A: 첫 문장은 반드시 「나」 + 구체적 경험/숫자/순간
철칙 B: 삼단논법(주장→근거→호소) 구조 금지
철칙 C: 모든 글에 "정리 멘트"가 필요한 건 아니다
철칙 D: 굵은 글씨 = 신념의 표현이지, 핵심 강조용이 아니다

Step 3: 죽은 오프닝 블랙리스트 구축

과거 데이터에서 "노출수가 가장 낮은 오프닝 패턴"을 찾아 명확히 금지합니다:

❌ 타인의 말 인용으로 시작
❌ 거대 담론형 오프닝 ("AI 시대의 반직관적인 사실 하나")
❌ 주어 없는 거창한 단어로 시작
❌ 철학적 명언으로 바로 시작

Step 4: 콘텐츠 유형별 비중 정의

데이터 성과에 따라 각 유형의 비율을 배분합니다:

유형 권장 비중 이유
장문(개인 경험+데이터+인사이트) 70% 히트작이 집중되는 구간
도구/리소스 게시물 20% 북마크 수 최고
일상 조각/푸념 10% 사람 냄새 유지

실전 데이터: "짧은 명언" 유형을 폐기한 후, 주 평균 노출수가 266% 상승했습니다.

3. 소스 라이브러리 구축 (SOURCE-INDEX)

핵심 원칙

데이터를 날조하지 않는다. 트윗 속 모든 구체적 숫자에는 실제 출처가 있어야 한다.

구축 단계

Step 1: 1차 자료 수집

계정 주인의 모든 1차 콘텐츠를 검색 가능한 텍스트로 변환합니다:

  • 팟캐스트/인터뷰 → 전문 전사(whisper / 수동)
  • 글/문서 → markdown 형식으로 아카이빙
  • 강연/발표 → 핵심 포인트 추출

Step 2: SOURCE-INDEX 구축

핵심 자료 포인트마다 다음과 같이 표기합니다:

| 자료 포인트 | 출처 | 원문 위치 | 사용 가능 여부 |
|--------|------|----------|---------|
| 오픈소스 첫 주 6000 Star | ep01 77번째 줄 | "첫 주에 우리는 6000개의 star를 받았다" | ✅ |
| 투자자 643명 | ep06 32번째 줄 | "643명을 추가했을 거예요, 제 기억이 맞다면" | ✅ |

Step 3: 정기 검증

매주 스케줄에서 인용한 데이터 포인트가 원문과 일치하는지 확인합니다. 팟캐스트나 자리에 따라 말한 숫자가 다를 수 있습니다 — 가장 신뢰할 수 있는 버전을 채택하고 표기해 두세요.

실전 교훈: "3일 만에 6000 Star"와 "1주일에 6000 Star"를 혼동해 사용자에게 지적받은 적이 있습니다. 검증 결과 모든 원문이 일관되게 "첫 주"라고 말한 것을 확인했습니다.

4. 스케줄링 시스템

리듬

  • 하루 1개(하드 룰, 초과 게시 불가)
  • 게시 시간: 고정 시간대(권장: 베이징 시간 14:00-15:00, 또는 타깃 독자의 활동 시간대)

스케줄 템플릿

매주 일요일에 다음 주 스케줄을 생성합니다:

## 월요일 ｜ [유형] ｜ [주제]
**자료 출처**: [SOURCE-INDEX의 구체적 항목]
**5종 세트 셀프 체크**: ✅/❌
**3중 번역 셀프 체크**: ✅/❌
**CTA (댓글란)**: [링크]

중복 제거 메커니즘

각 게시물 스케줄링 전에 tweet-log를 확인합니다:

  • 같은 핵심 논점을 지난 30일 안에 게시한 적이 있는가?
  • 같은 데이터 포인트를 지난 14일 안에 사용한 적이 있는가?
  • 중복이라면 → 각도를 바꾸거나 주제를 바꾼다

시간대 참고 (3,861개 트윗 데이터 분석 기반)

시간대 적합한 콘텐츠
10~13시 도구, 튜토리얼, 리소스 입구
17~23시 핵심 콘텐츠, 관점, 사례 분석
0~1시 북마크가 잘 되는 콘텐츠, 개발자 도구

월간 순위 최적: 17시 > 23시 > 13시 > 11시 > 20시

5. 레드라인 규칙

절대 어겨선 안 되는 것:

# 규칙 설명
1 데이터 날조 금지 모든 숫자에 실제 출처 필수. 출처가 없으면 차라리 쓰지 않는다
2 하루 1개 초과 게시 금지. 에이전트가 임의로 빈도를 조정할 수 없다
3 CTA를 본문에 넣지 않는다 외부 링크는 반드시 첫 번째 reply에 (X 알고리즘은 본문 링크를 30~90% 페널티)
4 데이터 정합성 변동하는 숫자는 게시 전 최신 값을 가져와야 한다
5 3중 번역 모든 트윗은 3중 번역 점검을 통과해야 한다 (아래 참고)
6 5종 세트 모든 트윗은 5종 세트 점검을 통과해야 한다 (최소 4/5)

6. 게시 전 점검

점검 A: 3중 번역 (내부 언어에서 외부 언어로)

각 트윗을 한 번 통독하며 "공지문 같은 표현"이 없는지 확인합니다:

# 번역 Before After
1 출시→도움 "신기능을 출시했습니다" "이 기능이면 80페이지 보고서가 3페이지 요약으로 바뀝니다"
2 기능→상황 "긴 컨텍스트 지원" "업계 보고서를 한 번에 다 읽고 경쟁사 변화를 찾아냅니다"
3 결론→증거 "효과가 아주 좋습니다" 실제 스크린샷, 입출력, 단계, 비교를 보여준다

트윗에 "우리가 X를 출시했다 / Y를 업그레이드했다" 같은 문장이 하나라도 있으면 → 반드시 다시 쓴다.

점검 B: 5종 세트 (강력한 트윗 하나 = 작은 정보 상품 하나)

# 점검 항목 독자의 어떤 질문에 답하는가
1 한눈에 이해되는 가치 약속 "이게 나랑 무슨 상관이지?"
2 구체적인 사용 상황 하나 "내가 언제 쓰게 되지?"
3 진입 장벽을 낮추는 단계/입구 "지금 바로 시작할 수 있나?"
4 스크린샷, 숫자, 사례 = 증거 "내가 왜 믿어야 하지?"
5 북마크하거나 공유할 만한 이유 하나 "내가 왜 이걸 간직해야 하지?"

4/5를 충족하지 못하면 = 게시하지 않는다. 돌아가서 고친다.

7. 데이터 트래킹

Tweet Log (모든 트윗 필수 기록) 

| 날짜 | 시간 | Tweet ID | 유형+요약 | 노출수 | 인게이지먼트 | 비고 |

주간 리포트 템플릿

매주 생성:

  • 팔로워 변화(시작/종료 + 일일 증가)
  • 노출수 Top 3 게시물 분석
  • 콘텐츠 유형별 성과 비교
  • 다음 주 전략 조정 제안

핵심 지표

지표 의미 최적화 방향
북마크 수 좋아요보다 중요 (신뢰 신호) 도구/리소스 게시물은 자연스럽게 북마크가 많다
노출수 알고리즘 배포 효과 오프닝이 80%를 결정한다
인게이지먼트율 콘텐츠 공감도 댓글 > 좋아요 > 리트윗
팔로워 일일 증가 성장 건전성 안정 > 변동

8. 콘텐츠 방법론 참고

4가지 콘텐츠 원형 (3,861개 트윗 데이터 기반)

유형 상위 10% 진입 확률 특징
리소스 입구형 ~51% 독자 대신 입구를 찾아준다 (검색 절약)
도구 튜토리얼형 ~39% 독자 대신 복잡한 것을 이해해 준다 (이해 절약)
AI 도구 발견형 ~24% 새 도구 + 구체적 과업 제시 (시행착오 절약)
일반 의견형 ~9% 행동 없는 순수 의견 (피할 것)

4가지 절약 모델

콘텐츠의 가치는 얼마나 많은 정보를 말했느냐가 아니라, 독자의 수고를 몇 단계 줄여줬느냐에 있습니다:

  1. 검색 절약 — 독자가 정보의 바다에서 입구를 찾지 않아도 된다
  2. 이해 절약 — 독자가 복잡한 개념을 스스로 추측하지 않아도 된다
  3. 시행착오 절약 — 독자가 함정을 전부 밟아보지 않아도 된다
  4. 표현 절약 — 독자가 그대로 다른 사람에게 전달할 수 있다

3가지 가시성 원칙

독자는 보이고, 클릭할 수 있고, 셀 수 있는 콘텐츠를 더 신뢰합니다:

원칙 예시 상위 10% 진입 확률
보인다 스크린샷, 화면 녹화, 비교 이미지 —
클릭할 수 있다 링크, 도구 이름, 검색 경로 ~40% ("링크는 댓글 참조" 포함 시)
셀 수 있다 숫자, 시간, 비용, 단계 수 ~35% (리소스 키워드 포함 시)

골든 길이

게시물 글자 수 상위 10% 진입 확률
40자 이하 ~7%
41~100자 ~15%
120~220자 2628% (골든 구간)

템플릿: 첫 문장에서 가치를 말한다 → 둘째·셋째 문장에서 상황을 말한다 → 이어서 증거나 단계를 제시한다 → 마지막에 입구나 북마크할 이유를 준다.

9. 실전 사례: @WeiYipei 운영 데이터

성장 곡선 

Week 1 (4/24-4/28): 1,150 → 1,155 (+5)    ← 콜드 스타트, 탐색 단계
Week 2 (4/28-5/05): 1,155 → 1,180 (+25)   ← 매일 장문 게시 시작
Week 3 (5/05-5/12): 1,180 → 1,250 (+70)   ← 첫 히트작 등장
Week 4 (5/12-5/18): 1,250 → 1,380 (+130)  ← Thread + 인게이지먼트 전략
Week 5 (5/18-6/01): 1,380 → 1,540 (+160)  ← 안정적인 장문 아웃풋
Week 6 (6/01-6/08): 1,540 → 1,837 (+297)  ← Playbook 40종 전체 지도로 폭발

합계: 1,150 → 1,837 = +687 팔로워 (+60%), 45일

핵심 전환점

이벤트 영향
"명언 단문" 유형 폐기 주 평균 노출수 +266%
아침 8시 고정 게시 히트 적중률 5% → 15%
첫 문장은 반드시 「나」 + 구체적 경험 히트작 6개 전부 1인칭
Thread(7~8개 게시물) 필살기 Thread 1개로 팔로워 50~100 증가
Playbook 40종 전체 지도 단 1주에 +297 팔로워

효과 있었던 것 vs 없었던 것

✅ 효과 있음 ❌ 효과 없음
장문+실제 경험+데이터 철학적 명언/타인 인용
도구 게시물+주말 아침 8시 새벽 게시 (노출수 <200)
CTA를 댓글란에 CTA를 본문에 (30~90% 감소)
1인칭 오프닝 거대 담론/설교체 오프닝
매일 1개 안정 리듬 하루 3개 또는 3일 공백

10. 빠른 시작 가이드

지금 바로 이 SOP를 쓰려면:

Day 0 (준비, 2~3시간):

  1. 계정 주인의 대표 콘텐츠 10편 수집
  2. 페르소나 철칙 3~5개 추출
  3. 죽은 오프닝 블랙리스트 구축
  4. 콘텐츠 유형별 비중 설정

Day 1 (소스 라이브러리, 2~4시간):

  1. 모든 1차 콘텐츠를 텍스트로 변환
  2. SOURCE-INDEX 구축 (핵심 데이터 포인트+출처)
  3. 사용 가능한 것과 검증 필요한 것 표시

Day 2 (스케줄+규칙, 1시간):

  1. 첫 주 스케줄 작성 (7개)
  2. 레드라인 규칙 확인
  3. 게시 시간 설정

Day 3부터 (실행):

  1. 매일 스케줄에 따라 초안 작성
  2. 게시 전 3중 번역 + 5종 세트 점검
  3. 게시 후 tweet-log 기록
  4. 매주 주간 리포트 작성 + 조정

11. 흔한 실수

실수 결과 해결책
에이전트의 데이터 날조 사용자/주인에게 들키면 신뢰 붕괴 레드라인 1 + SOURCE-INDEX 강제
초과 게시 (하루 여러 개) 알고리즘 강등 + 콘텐츠 희석 레드라인 2 하드 리밋
모든 글이 공지문처럼 노출수 <300 3중 번역 점검
명언/설교체 노출수 100~250 죽은 오프닝 블랙리스트
데이터 미추적 최적화 불가 주간 리포트 메커니즘
스타일 드리프트 팔로워가 "그 사람 같지 않다"고 느낌 매월 말뭉치를 다시 보고 재교정

Install 

# ClawHub
clawhub install gingiris-twitter-agent-ops

# skills.sh
npx -y skills add Gingiris-1031/gingiris-twitter-agent-ops

# 또는 이 파일을 당신의 AI 에이전트 프로젝트에 직접 복사

관련 링크:

Credits

  • 방법론 기반: 向阳乔木 「X 운영 성장 경험: 100에서 11만 팔로워까지」 (3,861개 트윗 데이터 분석)
  • 콘텐츠 진단 프레임워크: dontbesilent/dbskill 「콘텐츠 제작 진단」
  • 실전 검증: @WeiYipei 계정 (Cola AI agent 운영, 2026년 4~6월)
  • 저자: Iris Wei (生姜iris) | Twitter @WeiYipei | https://gingiris.tools

License: MIT